MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。
" E9 F4 j) F  h- n) K
本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
* k* a* C% p5 {9 q本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。

; V: ?+ z5 J" n  F* c随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（www.matlabsky.com）到相应书籍答疑版块免费下载。
: }1 ?- e6 J3 f" |8 Q

编辑推荐
本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
& p0 ~) l+ p8 [0 B- W: D作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
! N! b+ c/ ?4 q- s' G作者简介
" s1 e9 z: Y- [4 ~* u' m王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
& ~; Z) t. N* O目录
+ s  A: p. J1 y$ \- }第1章BP神经网络的数据分类——语音特征信号分类
1.1案例背景
1.1.1BP神经网络概述
0 ?# b( W. s5 U% L/ x2 q1.1.2语音特征信号识别
4 Z: P2 ]; v0 L' Y2 U: e0 I1.2模型建立
( e7 Q+ `7 S& K1.3MATLAB实现
3 @7 Y- C$ Y& S0 Y1.3.1归一化方法及MATLAB函数
1.3.2数据选择和归一化
1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
( D- ^6 W6 [, ^. U8 s1.3.5BP神经网络分类
% S$ y2 f* F% b& B; m1.3.6结果分析
1.4案例扩展
1.4.1隐含层节点数
1.4.2附加动量方法
. s- n9 E* Q& n4 ^7 H" ^1.4.3变学习率学习算法
  k: E  o9 H7 i" O: i' @参考文献
第2章BP神经网络的非线性系统建模——非线性函数拟合
& r( E- f0 e! E" e5 o2.1案例背景
2.2模型建立
: K1 \' O) R+ v; W+ y. t2.3 MATLAB实现
+ L8 v9 l. l& }2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
2.3.3 BP神经网络训练
4 e, Y5 n5 Z5 T- ~; j2.3.4 BP神经网络预测
2.3.5结果分析
2.4案例扩展
" `$ O) N8 L4 C( K1 F. j2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
. F; }- z/ ?  Q  L2.4.3训练数据对预测精度影响
2.4.4节点转移函数
2.4.5网络拟合的局限性
参考文献
第3章 遗传算法优化BP神经网络——非线性函数拟合
3 m6 X  f) r& O) D3.1案例背景
+ Q/ [$ D6 M3 {4 J% ?" Z/ y; r1 b3.1.1遗传算法原理
' L4 V1 b1 c7 n& t% K) M3.1.2遗传算法的基本要素
5 r! |/ r. T- Q! a1 U3.1.3拟合函数
3.2模型建立
% |( y; I- G0 P; M6 H/ k. g3.2.1算法流程
4 m0 K! k8 g  R& e3 C0 f3.2.2遗传算法实现
0 X; X' i; A5 k. @; {3.3编程实现
3.3.1适应度函数
3.3.2选择操作
  ?' u  U! x& _! |3.3.3交叉操作
- \. D! @  U, B5 c; S4 t( _; n3.3.4变异操作
3.3.5遗传算法主函数
) h4 D3 l3 y# [- D* l3.3.6 遗传算法优化的BP神经网络函数拟合
3.3.7结果分析
$ E7 F5 e  b2 t4 o$ @3.4案例扩展
) E, p7 |+ g# O! ]; V4 f1 J- x3.4.1其他优化方法
3.4.2网络结构优化
, e" s0 U* X8 w3.4.3算法的局限性
" U+ [- }  W& s( @8 L参考文献
第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
; G9 \2 }7 J* K, `4.1案例背景
0 d; C+ q/ a" c3 Z" u# @4 m4.2模型建立
) P  n9 ~* r% \2 C4.3编程实现
$ J& }; _* o3 F! X$ H% Q' E4.3.1 BP神经网络训练
4 u- j) d8 f5 T" S: n4.3.2适应度函数
8 c; H9 ^, D" Y, v7 f8 S1 O4.3.3遗传算法主函数
  @: I9 ?# }* _. E3 |4.3.4结果分析
* b% L5 M" x. V2 |$ _! w4.4案例扩展
4.4.1工程实例
& L  l5 y0 ^5 J# \4.4.2预测精度探讨
参考文献
; G: \) `& s: f第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
5.1案例背景
1 v1 G6 E6 M8 a' m6 [5.1.1 BP—Adaboost模型
2 `" C7 b  a& s3 q+ J2 L; e5.1.2公司财务预警系统介绍
* q5 U2 U" [" H  Q$ ]6 V5.2模型建立
5.3编程实现
5.3.1数据集选择
* g" t$ L+ z! |5.3.2弱分类器学习分类
, Z/ U$ z9 J4 h! s/ {5.3.3强分类器分类和结果统计
: k% j8 Y7 e" a+ W% a, U5.3.垂结果分析
0 r. b! e* e9 d( {( u5 V5.4案例扩展
5.4.1数据集选择
2 d- D: q5 B1 F* A" K1 {6 M+ w. n5.4.2弱预测器学习预测
5.4.3强预测器预测
5.4.4结果分析
参考文献
第6章PID神经元网络解耦控制算法——多变量系统控制
6.1案例背景
. {6 M! T. Q8 t1 m2 o" k6.1.1 PID神经元网络结构
' n  g: _" v* q5 Y. I% z9 o6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
6.2模型建立
0 ?7 l5 m+ A7 a; U& G6.3编程实现
6.3.1 PID神经网络初始化
6.3.z控制律计算
' a' h, B: L( H, k7 t6.3.3权值修正
6 b4 m4 `/ i/ o, ]6.3.4结果分析
% S: z, d3 L- T3 f/ t5 {6.4案例扩展
6.4.1增加动量项
* F( j) k# Z1 l6.4.2神经元系数
6.4.3 PID神经元网络权值优化
) f1 w5 Q9 @# a  ~* M  V" q3 b参考文献
2 ^3 R1 i, I1 ~7 P& j! J& F第7章 RBF网络的回归——非线性函数回归的实现
# G! B0 H( x5 z4 V5 T: D2 G7.1案例背景
7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
: x# ]' `3 a  v9 [. U1 C7.2模型建立
- B2 E& D. x% l; z5 T- Z/ o7.3 MATLAB实现
7.3.1 RBF网络的相关函数
$ D- z8 G6 L" |: W9 J5 e7.3.2结果分析
7.4案例扩展
7.4.1应用径向基神经网络需要注意的问题
  P0 X% \, L7 n1 P! f+ o7.4.2 SPREAD对网络的影响
参考文献
第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
( g/ s. \! e/ p" m8.1案例背景
0 F' x" P& b/ l8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
8.2模型建立
( s5 E- d, e0 W0 b9 y8.3 MATLAB实现
: D8 v$ F/ c" r2 K" H; w3 n" |2 j8.4案例扩展
参考文献
第9章 离散Hopfield神经网络的联想记忆——数字识别
9.1案例背景
8 H: N. g, G8 Q9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
9.1.3问题描述
9.2模型建立
9 v2 e6 T% q0 |  J% B9.2.1设计思路
; v. F# |4 {4 w6 X; ~4 [9.2.2设计步骤
; `  y3 K& M8 E& i' i- G9.3 Hopfield网络的神经网络工具箱函数
) H$ ]& K4 N% I- z  Y7 K9 t9.3.1 Hopfield网络创建函数
3 ~* G5 P; h: N5 l9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
9.4.1输入输出设计
9.4.2网络建立
9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
. q5 Q1 C  o4 O$ g$ f! C" p9.4.5结果分析
/ r# v7 h' _6 {+ @; @% F2 I9.5案例扩展
% n6 j) h9 S7 l, i, h1 g) ?9.5.1识别效果讨论
9.5.2应用扩展
6 Y3 H- z! E3 U4 b参考文献
第10章 离散Hopfield神经网络的分类——高校科研能力评价
10.1案例背景
3 `+ ^8 G$ E* u8 k6 h10.1.1离散Hopfield神经网络学习规则
10.1.2高校科研能力评价概述
# `4 E: O5 V6 b7 W/ _6 ]10.1.3问题描述
/ O  e' l) b/ H+ x10.2模型建立
10.2.1设计思路
, v; _% _! K, v) A7 v3 B10.2.2设计步骤
2 n1 R$ x! q( _  s' T/ H10.3 MATLAB实现
10.3.1清空环境变量
10.3.2导人数据
10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5仿真测试
" A0 x! V8 O2 R4 ~: M& E" x10.3.6结果分析
10.4案例扩展
. ~! i2 U5 ^8 y% Z* j& j6 x# i参考文献
7 \* C' g6 T5 G4 _第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
1 w+ ~* v) g% y2 A/ O11.1案例背景
11.1.1连续Hopfield神经网络概述
' Q, w7 x  r7 x0 W$ E+ S1 Y11.1.2组合优化问题概述
11.1.3问题描述
6 Y1 q4 B3 F. t9 p6 s6 g8 f" {11.2模型建立
; M% Z& ?! d/ E& r. }7 w11.2.1设计思路
1 E+ ]# Q' h/ U9 ^; R$ ?  D11.2.2设计步骤
2 O- |% [3 z- k' N$ Q) K0 T/ U7 ^& ]11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
5 t* x1 [2 x1 k- Y' W11.3.2城市位置导入并计算城市间距离
& ?  t; f+ r0 ^$ G# p: Q3 i! L+ I11.3.3初始化网络
11.3.4寻优迭代
11.3.5结果输出
; l4 Y' G: E6 a/ v4 c" G$ g, @11.4案例扩展
' Q4 k2 A( z* k! F! {11.4.1结果比较
" r9 p' v9 [# }% P. L) _11.4.2案例扩展
参考文献
* o5 A! ~; r+ Y: N: Q" f/ {第12章初识SVM分类与回归
12.1案例背景
+ k2 X, e; |" Q) s5 d7 `0 ^. [12.1.1 SVM概述
* o+ V1 V) G3 U: N5 S8 ?( _12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
2 l& _2 L0 z1 a. N1 G12.2 MATLAB实现
12.2.1使用LIBSVM进行分类的小例子
" U4 q. L2 z% z12.2.2使用LIBSVM进行回归的小例子
. k6 B& }/ e& c6 N" `, s12.3案例扩展
参考文献
+ N( p' h/ \3 z6 W第13章LIBSVM参数实例详解
* `+ w3 j4 \; f* O  P1 a13.1案例背景
0 V7 u9 h& }6 P+ M  v13.2 MATLAB实现
, t: M& X" d+ a, C" a' b13.3案例扩展
参考文献
) b6 W4 F! U6 ?4 J4 r第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
14.1案例背景
6 Y- Z& Y1 k/ e3 I; a14.2模型建立
14.3 MATLAB实现
14 3.1选定训练集和测试集
……
第15章SVM的参数优化——如何更好地提升分类器的性能
. {& C4 Z6 X& h$ m  V/ J第16章基于SVM的回归预测分析——上证指数开盘指数预测
- r, {& u+ z7 R5 j第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
) Q' e' Y* d5 D: {- x, U第18章基于SVM的图像分割——真彩色图像分割
% V- N' T4 S6 K9 L. z' V第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
# b3 f0 y  m" Z* f# |0 h第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
第22章SOM神经网络的数据分类——柴油机故障诊断
第23章Elman神经网络的数据预测——电力负荷预测模型研究
第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
3 F4 ?7 R$ q! Z. e第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
6 R5 _  x( M, U. R" g第26章LVQ神经网络的分类——乳腺肿瘤诊断
1 j( x% |) q8 b. Y第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
$ f1 D" A( h7 x" u% W1 K第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
第31章思维进化算法优化BP神经网络——非线性函数拟合
% Q' A7 Z. ?: t" F, X第32章小波神经网络的时间序列预测——短时交通流量预测
第33章模糊神经网络的预测算法——嘉陵江水质评价
第34章广义神经网络的聚类算法——网络入侵聚类
4 x- f; f9 c( n第35章粒子群优化算法的寻优算法——非线性函数极值寻优
9 ~# l; M  _, F% E$ s第36章遗传算法优化计算——建模自变量降维
% D  Z1 J; U$ v  ~第37章基于灰色神经网络的预测算法研究——订单需求预测
第38章基于Kohonen网络的聚类算法——网络入侵聚类
第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
/ Y7 a; ]% T% z# B6 n6 }% T% K% B8 y  k第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
第41章定制神经网络的实现——神经网络的个性化建模与仿真
  V" o2 _' J/ n第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
! _, h+ ?; ~% h) h" M$ {第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
序言
( M* p- ]: z+ `3 R" C序言
很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
. o3 A; N3 a+ B& f本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
. d+ p( o, B# g' m+ A( v# M; `+ Z) R因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。

% O8 i  N7 k, T; S4 R+ x$ E
; _, v3 V) M' H6 D) y3 f1 TMathWorks 中国教育业务发展总监
; K9 O4 J. f4 |+ W2 A0 L: ^4 Q6 `
, K8 ~" e/ V% @3 q陈炜博士

7 \3 H# L" b% i% Z. E) w2013年6月于上海
9 O  p+ Z2 Y+ h1 I& d( f

pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
5 K6 e1 m7 [6 R" m# c数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
7 E9 V, r/ U' h
: }1 j2 h0 F3 I" e/ [/ S- s